PI-TTA：面向移动设备鲁棒人体活动识别的物理信息无源测试时自适应
人工智能
2026-04-29 v1
摘要
无源测试时自适应（TTA）对移动和可穿戴传感具有吸引力，因为它能在不集中私有数据的情况下，从无标签测试流中实现设备端个性化。然而，基于传感器的人体活动识别（HAR）在标准视觉基准中提出了不那么显著的挑战：行为惯性流具有时间相关性，且常表现出由传感器旋转、位置变化和采样率漂移引起的会话内偏移。在这种流式非独立同分布（non-i.i.d.）设置下，广泛使用的视觉风格 TTA 目标可能变得不稳定，导致过度自信的错误、表征坍塌和灾难性遗忘。我们提出 PI-TTA，一个轻量级的无源自适应框架，通过三个物理一致约束来稳定在线更新：重力一致性、短时域连续性和谱稳定性。PI-TTA 更新与强无源基线相同的小型参数子集，且仅产生适度开销，使其适合设备端部署。在 USCHAD、PAMAP2 和 mHealth 上，在长序列压力测试和因子化偏移协议下的实验表明，PI-TTA 减轻了在置信度驱动基线中观察到的严重退化，并在持续流式条件下保持稳定的自适应。它将长序列准确率最高提升 9.13%，并在 USCHAD、PAMAP2 和 mHealth 上分别将物理违规率降低 27.5%、24.1% 和 45.4%。这些结果表明，物理信息自适应可以提高真实世界移动传感系统的准确性、稳定性和部署可靠性。
引用
@article{arxiv.2604.25435,
title = {PI-TTA: Physics-Informed Source-Free Test-Time Adaptation for Robust Human Activity Recognition on Mobile Devices},
author = {Changyu Li and Lu Wang and Ming Lei and Jiashen Liu and Yichen Zhang and Kaishun Wu and Fei Luo},
journal= {arXiv preprint arXiv:2604.25435},
year = {2026}
}
备注
16 pages, 11 figures